前途科技前途科技
  • 服务
  • 关于
  • AI
    • AI 大模型
    • 具身智能
    • 算力芯片
  • 科技
    • 智能终端
    • 软件·互联网
    • 汽车·出行
    • 科学前沿
  • 资源中心
    • 深度研究
      • AI 前沿
      • 教程
      • AI 知识库
      • 案例研究
    • 行业报告
      • 白皮书
      • 行业报告
      • 研究报告
      • 技术分享
      • 专题报告
    • 精选案例
      • 金融行业
      • 医疗行业
      • 教育行业
      • 零售行业
      • 制造行业
  • 服务
  • 关于
联系我们
AI 大模型/11.22 · 10:03/7 MIN/编译自 极客公园/1 阅读

达瓦科技:用控制层让AI视频少抽卡

达瓦科技不做更大的视频生成模型,而是自研控制层基座 Latent Stage,把人物、动作、镜头、灯光单独建模后再交给渲染层,把抽卡次数从十几次降到三四次,整体成本下降约六成。公司已累计融资约5亿元。

达瓦科技:用控制层让AI视频少抽卡

今年以来,视频生成模型进步肉眼可见,AI 短剧、换脸、场景合成在各平台越来越多。但现实问题始终存在:生成一条满意的视频往往要反复「抽卡」,算力和时间成本都不低;一旦进入专业影视管线,今天的模型能承担的工业级工作仍然有限。

行业由此分出两种思路。一种堆参数、扩算力,相信通用大模型终会跨过工业门槛;另一种扎进真实片场,从具体需求自下而上生长。达瓦科技走的是后一条路。

达瓦科技总部位于重庆永川,团队从 2014 年开始运营科技影视片场,2023 年成立达瓦科技转向 AI 模型,今年已连续完成 Pre-A 轮、A 轮融资,累计约 5 亿元人民币。

他们选择的路线是「重控制、轻渲染」:自研控制层基座模型 Latent Stage,把对人物、动作、镜头、灯光、场景的理解和控制单独做成一层,再交给渲染层出画面。围绕这条路线有两款产品:面向专业内容团队、做离线生成的 FilmOS,以及在单张消费级显卡上实时运行的世界模型 Scenes AI。

这套架构的底气来自数据。达瓦在真实片场积累了约 180TB 结构化「过程数据」,记录的不只是成片画面,还有从剧本、机位、灯光到动作捕捉的完整拍摄过程。

达瓦科技的控制层路线

控制层像导演,渲染层像相机

达瓦科技 CTO 朱子威把技术栈拆成两层:渲染层像相机,负责把画面拍出来,对应视频模型里的 DiT 扩散部分;控制层更像导演,决定场景里有哪些物体、演员从哪走到哪、有什么道具和交互、时序上怎么变化。

可以把它理解成一个肉眼看不见的虚拟空间,桌子、凳子、人物、机位都真实存在。控制层按导演需求把这些要素匹配进去,再把结果交给渲染层,得到的结果不用再花大力气修改,也不会出现抽卡常见的穿帮——人走过去一扭头,门口的人突然坐到了沙发上。

这也解释了控制层和视频 Agent 的区别。朱子威说,Agent 解决的是信息差:很多人不会写提示词、不懂推拉摇移,Agent 帮他们补上。控制层解决的是认知差:模型能不能理解一个完整的物理片场。比如一盏灯突然灭了,空间里会发生哪些连锁反应,这是认知。调暗一个灯光,这一个输入应该带来一串输出的变化。

多一层计算,为什么反而更省钱

在原有模型之外再加一层,为什么两层运算反而更划算?朱子威给出两个理由。

一是一致性。抽卡时每 15 秒镜头画面质感都不差,问题是 60 分钟、100 分钟之后内容不按你的方向走。二是精准度。渲染层是一坨像素,想改掉一个杯子,重新生成就全乱了;控制层能指哪打哪,其他要素完全不变。

「大家说的抽卡,本质是不可控。原来要抽十次、二十次,现在三到四次,总体成本能下降 50%—60%。」朱子威说。

CPO 李宗兴补充,行业往往只算单次生成成本,水下还有大量隐性成本,把抽卡次数降下来才是真正降低影视生产成本。此外,达瓦能基于一张消费级显卡做实时内容——把会议室铺满海浪,把衣服实时换成汉服或钢铁侠。若要靠数百万、上千万的 GPU 集群实现,就没有经济适用性。

数据是另一块壁垒。一个电影级片场,从怎么备菜、选料、用什么厨具、什么火候,全部能量化。达瓦把摄影机画面、机位、灯光、道具摆放、场务移动等所有要素放在同一时间轴上记录,硬件上打信标、配专用跟踪设施,还用英伟达 Omniverse 搭建仿真环境,本质是数字孪生。真实项目数量有限,就通过仿真和剧本调整扩展数据。

李宗兴透露,模型并非拿 LLM 改的,LLM 只占很小部分。它按要素拆解片场,人物动作、镜头、灯光各有专门专家,整体是 MoE 架构,34B 参数,每个专家权重差距不大。由于几乎没有纯像素数据,数据压缩做得较好,在剧集和非超大制作的动作戏范围内已展现出很强的控制力。

片场从 2014 年做到现在,下一阶段的定位会从收入来源变成「数据工厂」。180TB 结构化世界状态数据训练出基座模型,再通过 FilmOS、Scenes AI 回到真实生产,生产又持续产生新数据。达瓦还采购了英伟达 Omniverse 和 Cosmos 的企业授权,批量生成带物理约束的仿真数据,比如火焰怎么蔓延、种子怎么长成大树、积雪怎么融成水。

不是垂直模型,是通向 Physical AI 的世界模型

控制层并不只能用于视频生成。朱子威提到,今年在苏州与英伟达方面做过很长的闭门沟通,结论是控制层是通向 Physical AI 不可或缺的部分,本身具有泛化性,只是目前数据集偏垂直。偏垂直的好处是先在一个领域打出可用性和商业价值。

「什么都做等于什么都不做。先把一点打穿,拿到实打实的商业回报。」他说。

李宗兴列举了片场每天提出的真实问题:一个一镜到底的长镜头整体都很好,只出现一个小瑕疵,导演说「再保一条」,这一条就是经费在燃烧;一盏灯从面前移过,不只是改一个灯光参数,它会让所有人脸的明暗、对比都发生变化。因此达瓦加了大量 Physical AI 的物理约束——观众判断画面真假,往往就看空间关系和物理细节对不对。

客户需求也带来「不可能三角」:算力预算、生成时间、分辨率或质量,三者必须取舍。有人问能不能在手机上跑。达瓦的模型 34B、单次激活 4B,为了实时和低算力已做大量取舍。

解法是「稀疏扩散自回归」。真实世界里真正发生变化的区域只有 10%—20%——三个人聊天时,墙壁、地板、天花板都没变,可以把这些稳定区域的前空间状态直接复用,把算力集中到变化部分。这套架构能把 GPU 消耗降低约 60%,推理速度提升 3 到 5 倍,目前能在 720P 上做到每秒 30 帧。

实时世界模型的场景编辑效果

李宗兴说,第一阶段先用在付得起硬件的商业环境,同一帧里用不同推理精度和步长,像做游戏优化一样管理每帧预算,未来希望压到 4090、4080 上。「产品只有落到客户能承受的范围,才不是空中楼阁。」

从项目交付到「世界登录器」

除了影视和广告,新能力也带来新场景。直播电商卖羽绒服,可以实时把场地变成玉龙雪山,雪落在肩膀上还能拍掉;卖香薰的客户把办公室变成玫瑰森林。还有游戏大厂想做宝可梦、游戏王那种实时对战,扔出精灵球就能生成角色,这是传统 AR 做不到的。

面对大厂也在加强控制层的竞争,朱子威认为数据领先是核心:视频基座模型做得越大,对达瓦反而是好事,上限会被抬高——现在有些视觉效果受限,其实是渲染的锅,不是控制的锅。要复制一套完整片场数据,需要大量硬件、时间和项目投入,而真实实拍项目越来越少,这个时间差就是壁垒。

商业模式上,当前收入偏内容制作,客户批量采买 Token、调 API,本质还是一个个项目。李宗兴希望未来把实时世界模型部署到客户设备上,只收定期 license 费用,让它成为人们进入虚拟世界的登录大门。两款产品分工明确:FilmOS 专注离线内容生成,给影视、广告、短剧团队一个稳定可交付的答案,卖的是结果不是过程;Scenes AI 面向未来,解决人怎么实时进入电影世界。

业务节奏上,2027 年先推进直播场景,年中希望与合作伙伴推出游戏化产品。过去 AR 游戏里大量内容要提前生产,现在 AI 可以实时生成,AI 宠物、精灵能随时陪伴、随时变化形态。

技术上的目标是继续把控制层 scale 出去,从传统影视扩展到更多环境,同时往更物理、更复杂的方向走,未来甚至能让机器人理解更复杂的变化。「越难收集的数据,越有价值。」朱子威说。

标签:视频生成世界模型

想了解 AI 如何助力您的企业?

免费获取企业 AI 成熟度诊断报告,发现转型机会

置顶文章

自己动手做模型:ML Intern 低成本定制小模型实战
置顶

自己动手做模型:ML Intern 低成本定制小模型实战

微软和Meta收紧Claude:被削掉的是入口,不是模型
置顶

微软和Meta收紧Claude:被削掉的是入口,不是模型

前途科技前途科技
服务关于快讯技术商业报告
微信咨询二维码

咨询微信

扫码添加微信咨询

前途科技微信公众号

微信公众号

扫码关注

Copyright © 2026 AccessPath.com, 前途国际科技咨询(北京)有限公司,版权所有。|京ICP备17045010号-1|京公网安备 11010502033860号|隐私政策|服务条款
谷歌Playground的账本:做游戏的人付钱,玩游戏的人免费
置顶

谷歌Playground的账本:做游戏的人付钱,玩游戏的人免费

//

24小时热榜

压测AI Agent 治理与评测调优实践
TOP1

压测AI Agent 治理与评测调优实践

甲骨文称OpenAI合同资金已全部到位
TOP2

甲骨文称OpenAI合同资金已全部到位

3

费加罗报携 OpenAI,新闻内容接入 ChatGPT

14小时前
费加罗报携 OpenAI,新闻内容接入 ChatGPT
4

AI 黎曼猜想证明通过首轮独立核查

21小时前
AI 黎曼猜想证明通过首轮独立核查
5

从AI机遇到现实生产力

5小时前
从AI机遇到现实生产力
6

美众院报告称解放军采购 DeepSeek

6小时前
美众院报告称解放军采购 DeepSeek
7

OpenAI 用智能体工厂自动修复 ChatGPT 性能问题

14小时前
OpenAI 用智能体工厂自动修复 ChatGPT 性能问题
8

达瓦科技:用控制层让AI视频少抽卡

4小时前
达瓦科技:用控制层让AI视频少抽卡
热门标签
大模型AgentRAG微调私有化部署Prompt EngineeringChatGPTClaudeDeepSeek智能客服知识管理内容生成代码辅助数据分析金融零售制造医疗教育AI 战略数字化转型ROI 分析OpenAIAnthropicGoogle

关注公众号

前途科技微信公众号

扫码关注,获取最新 AI 资讯

免费获取 AI 落地指南

3 步完成企业诊断,获取专属转型建议

已有 200+ 企业完成诊断